21839

21839

شناسايي آسيب سازه اي بر اساس همبستگي بين ماتريس نرمي و ماتريس سختي با استفاده از الگوريتم هاي بهينه يابي فراكاووشي

كارشناسي ارشد

زلزله

1396

98/11/20

دكتر غلامرضا قدرتي اميري

عمران

با ايجاد و گسترش روز افزون سازه¬هاي پيچيده و مدرن به همراه پيشرفت علم و صنعت سرمايه¬هاي كلاني در اين زمينه صرف مي¬شوند تا زيبايي را در كنار كارايي به ارمغان بياورند. پس از چندي كه از بهره برداري سازه¬ها مي گذرد مشكلاتي در آن¬ها بروز پيدا مي¬كنند كه سازنده،كارفرما و افرادي كه سرمايه گذاري مالي كرده¬اند را بسيار نگران مي¬كنند. در هر حال وقوع يك زلزله، سونامي، بلاياي طبيعي از اين دست و يا گذشت روزانه از عمر بهره وري سازه¬ها، آن ها را به شدت مورد حمله¬ي آسيب¬ها قرار مي دهند. محققان به منظور رسيدن به روشي براي نظارت بر سلامت سازه بررسي¬هاي متعددي را انجام دادند. در بين بررسي¬هاي محققان جهت تشخيص آسيب با تعداد و شدت¬ متفاوت، از روش شناسايي آسيب مودال در اين پژوهش استقبال شده است. روش حاضر در زير شاخه¬ي به روز¬رساني مدل قرار مي¬گيرد. اين مطالعه با ارائه تابع هدفي جديد با روابط همبستگي بين ماتريس نرمي و ماتريس سختي تلاش بر شناسايي آسيبي به صورت خوب و دقيق دارد. الگوريتمي به منظور بهينه كردن پاسخ تابع هدف مورد استفاده قرار گرفته و طوري انتخاب شده است تا همگرايي خوبي را ايجاد كند. در نهايت براي اثبات كارايي تابع هدف جديد بيان شده به همراه الگوريتم سينوس-كسينوس انتخاب شده سه سازه¬ مورد بررسي قرار مي¬گيرند. اين سه سازه عبارتند از خرپاي مسطح 25 عضوي، قاب خمشي 26 عضوي و قاب برشي 10 طبقه. به منظور وارد كردن اثرات محيطي دو حالت نوفه در نظر گرفته شد كه حالت اول حاكي بر وجود پنج درصد نوفه در فركانس طبيعي و حالت دوم تركيب پنج درصد نوفه در فركانس طبيعي و سه درصد نوفه در شكل مودي است. نتايج نشان مي¬دهد حداكثر خطاي شناسايي آسيب در خرپاي مسطح 25 عضوي برابر با 1 درصد، در قاب خمشي 26 عضوي برابر با 3 درصد و در قاب برشي 10 طبقه برابر با 2 درصد است. موارد مذكور با الگوريتم سينوس-كسينوس انجام گرفت و در نهايت به منظور بررسي عملكرد الگوريتم بهينه يابي پيشنهادي، تابع هدف بيان شده توسط الگوريتم ازدحام ذرات و جستجوي فاخته نيز مورد بررسي قرار گرفت. نتايج حاصله از پژوهش نشان دهنده¬ي قدرت و كارايي بسيار بالاي تابع هدف بيان شده در كنار الگوريتم سينوس-كسينوس هستند.

1399/01/22

structural damage detection based on correlation between flexibility matrix and stiffness matrix using metaheuristic optimizing algorithm

2/9/2020 12:00:00 AM

By the increasing development of complex and modern structures due to the advancement of science and technology, large investments are being made to bring beauty along with efficiency. Problems arise after a short period of operation of structures, which is a great concern to the builder, the employer and the people who have invested financially. However, an earthquake, a tsunami or a natural disaster or the day-to-day productivity of the structures make them highly susceptible to damage. Researchers conducted several studies to achieve a method for structural health monitoring. Modal damage detection method for detecting damages with different number and severity is welcomed by researchers and it has been used in this study. The present method falls under the category of model updating. This study presents a new objective function with correlation relationships between flexibility matrix and stiffness matrix, which is trying to identify the damage in a good and accurate manner. An algorithm is used to optimize the response of the objective function and is chosen to produce good convergence. Finally, to prove the efficiency of the new objective function expressed with the selected sine-cosine algorithm, three structures were investigated. These three structures include a 25-bar planar truss, a 26-member bending frame, and a 10-story shear frame. In order to introduce environmental effects, two noise modes were considered, the first one indicates five percent noise at natural frequency and the second one combines 5 percent noise at natural frequency and three percent noise in mode shape. The results show that the maximum error of damage detection in the 25-bar planar truss is 1%, the 26-member bending frame is 3%, and the 10-story shear frame is 2%. These were performed with the SCA algorithm, and finally, in order to evaluate the performance of the proposed optimization algorithm, the expressed objective function was also examined by the particle swarm optimization (PSO) and cuckoo search (CS) algorithm.